人事評価の時期が来て、空白の自己評価フォームを前に、一年の仕事を記憶からたどろうとしています。良い仕事をしたことは覚えていても、具体的なプロジェクト名、指標が改善した四半期、三月にクライアントから受け取った褒め言葉の正確な表現までは思い出せません。こうした情報を整理するときにAIは役立ちますが、同時に、AIに実際の成果まで補わせてしまいやすい場面でもあります。
この記事が扱うのは、評価を受ける個人が自分の自己評価を準備する場面です。他人を採点・順位付けする管理職側については、AIで人を順位付けしないですでに説明しています。ここでの原則は単純です。AIは根拠を説得力のある文書に整理できますが、根拠そのものは生成できません。自己評価に書くすべての事実は、実際に起きたことへ遡れる必要があり、その材料を提示できるのはあなただけです。
評価のプロセス、アクセス権、保存期間、開示、労働協約、不服申立ての経路は、それぞれ異なります。雇用主の現行の方針に従い、その記録が懲戒、差別、合理的配慮、解雇に影響しうる場合は、労働組合または法務の助言を得てください。
なぜこれは仮説ではなく、実際のリスクか
人事評価は、影響の小さい執筆作業ではありません。昇給、昇進、業績改善計画に影響することがあり、多くの会社では正式な記録の一部になります。モデルに「今年の実績を印象的に見せて」と頼むと、こちらが示していないのに、割合や業務の規模、具体的な成果など、自信に満ちた具体的な表現を加えることがあります。元の資料に裏付けられていない流暢な文章を生成することは、たまに起きる不具合ではなく、これらのシステムで広く確認されている特性です（Ji et al., “Survey of Hallucination in Natural Language Generation,” 2023）。文章が流暢でも、その中の主張が正しいとは限りません。あとで管理職や人事から数字の根拠を求められ、裏付けられなければ、単なる下書き上の問題では済まず、重要な文書における信頼性の問題になります。
割合、金額、具体的なプロジェクトの成果など、自己評価に書く主張は、メール、ダッシュボード、チケット、文書、同僚の確認などの実在する資料に照らして、自分で確認できるものだけにしてください。AIがもっともらしい具体的な文章を出しても、実在する根拠に遡れないなら、どれほどよく書けていても提出前に削除してください。
四ステップのワークフロー
ステップ1：AIツールを開く前に、自分で未整理の根拠を集める
自分の記憶と記録から、見つけられるものをすべて挙げます。完了したプロジェクト、追跡した指標、受け取った肯定的なフィードバック（メール、Slack、会議メモ）、割り当てられた目標とその結果、通常の担当範囲を超えて対応したことなどです。これはAIを使わずに行います。このステップの目的は、以降の作業の土台となる事実を確定することです。AIは、あなたが今年何をしたかを独自に知ることはできません。AIに推測させないことが、このワークフローの出発点です。
ステップ2：評価の実際の基準に照らして、AIで根拠を整理する
未整理の材料がそろったら、コンピテンシー、目標、価値観、評価基準など、実際の評価項目に沿って並べる作業にAIを使えます。
ここに、この評価期間に取り組んだこと・成し遂げたことの一覧があります：
[paste your raw list]。
評価では次のカテゴリーを使います：
[paste your company's actual review categories]。渡したものが当てはまる
カテゴリーの下に整理してください。上に含めていない成果、指標、結果を
一切足さないでください。あるカテゴリーに一覧から何もない場合は、
穴埋めを捏造せず、空だと注記したままにしてください。
空欄を埋めないよう明示することが重要です。制約がなければ、モデルはすべてのカテゴリーを埋めて、完成したように見える回答を作ろうとすることがあります。この作業では、それが実際にはなかった内容を自分の記録に加えることにつながります。
ステップ3：検証済みの事実だけをもとに文章を下書きする
根拠が整理できたら、口調、分かりやすさ、簡潔さなど、文章作成そのものをAIに手伝わせます。ただし、すべての事実関係が、自分の提示した内容に遡れる状態を保ってください。
上で整理した根拠だけを使い、「[category name]」セクションの
自己評価段落を下書きしてください。数値、プロジェクト名、結果は
私が渡したとおり正確に保ってください。数値を切り上げないでください。
私がその語を使っていない限り、「大幅な」「主要な」など、述べていない
規模を暗示する形容詞を足さないでください。私がまだ提供していない
詳細があれば文章がより強く読める箇所はフラグし、足すか一般的なままに
するかは私が決められるようにしてください。
ステップ4：提出前に、すべての主張を検証する
下書きを元の根拠と照らし、行ごとに読み返します。各数値や具体的な主張について、今すぐ根拠を示せるかを確認してください。示せないなら、根拠を見つけるか、実際に裏付けられる範囲まで表現を弱めます。このステップは省略できず、下書きを作ったのと同じツールに任せることもできません。AIに自分の出力を再確認させても、独立した検証にはならないからです。
すぐに確認できない主張は、完全に削除する代わりに、確実に分かる範囲まで表現を弱められます。「処理時間を短縮したプロジェクトに貢献した」は、正確な割合を示せなくても裏付けられるかもしれません。「処理時間を40%短縮した」は、その数字の根拠がなければ裏付けられません。
クイックリファレンス
| AIの使い方 | 判定 |
|---|---|
| 挙げた自分の成果を評価カテゴリーで整理する | 安全（構成のみ） |
| 提示した事実を、より分かりやすい文章に整える | 安全（提出前に検証） |
| 新しい事実なしに「もっと印象的に」と頼む | リスクあり（捏造された具体性に注意） |
| 正確に覚えていない指標をAIに推定させる | 危険（実数を見つけるか、自分の言葉で概数として述べる） |
| 職名から「たぶんやったこと」を推測させる | 危険（これは整理ではなく捏造） |
開示とよくある誤解
会社によっては、評価フォーム自体で、文書の下書きにAIを使ったかを明示的に尋ねます。その場合は正直に答えてください。AI支援の仕事に自分の名を残すでは一般的な開示の考え方を説明しています。実在する成果をAIの助けで整理した自己評価は、適切に開示すればよい通常の利用例であり、隠したり後ろめたく感じたりする必要はありません。
ここで避けたい誤解は、よく整理され、磨かれた自己評価を、高い成果を上げた一年の証拠と考えることです。それが示すのは、文章がよく書けているということだけで、仕事の成果とは別です。また、AIを使ったことが相手に見抜かれるとは限りません。対照研究では、参加者はAI生成の自己提示と人間が書いたものを確実には区別できませんでした（Jakesch, Hancock and Naaman, PNAS, 2023）。したがって、「相手には分かるはずだ」という期待は安全策になりません。確かなのは、裏付けのない主張は根拠を尋ねられた時点で崩れるということです。人事評価は、まさに根拠を問われる可能性のある文書です。
今週準備する
次の評価サイクルの前に、従業員評価準備ワークシートでまず未整理の根拠を集め、上記の四ステップで整理してください。評価に、管理職から受けたい、または伝えたいフィードバックの項目もあるなら、1on1のアジェンダ準備で、その会話でも根拠を先に確認する方法を説明しています。
EUの読者は、欧州委員会の雇用における平等の概説、EDPBの雇用データに関する文書集、および該当する各国当局から始められます。エストニアの読者は労働監督局と平等待遇コミッショナーを利用できます。米国の読者はEEOCの従業員の権利ポータルを利用できます。雇用主側については、EEOCの人事評価に関するガイダンスが、基準を伝えること、一貫して適用すること、関連する事実を含めることを強調しています。これらは法域ごとの出発点であり、あなたの雇用主のプロセスを検討したものではありません。
